Zero-Shot Zero shot学习，也称为零样本学习（Zero-Shot Learning，简称ZSL），是一种机器学习范式，它允许模型在训练阶段从未见过的类别上进行预测和分类。这种学习方式特别适用于那些难以获取大量标注数据的领域，或者在面对罕见或未知类别时的场景。 在Zero shot学习中，模型通常会使用辅助信息，如类别的文本描述、属性或嵌入表示等，来理解在训练阶段未出现过的类别。这些辅助信息帮助模型建立起类别之间的语义联系，从而在没有直接样本的情况下也能进行有效的预测。 Use Emotional Language 使用情感语言 Assign a Role 分配角色 Define a Style 定义风格 #!/usr/bin/env python3 from pydantic import BaseModel import simple_llm_agent class Email(BaseModel): subject: str message: str client = simple_llm_agent.LlmAgent() def generate_email(subject, to, sender, tone): system_prompt = "You are a smart sesecretary" user_prompt = f""" Write an email about {subject} […] →Read more
世界上最可悲的人是只有视野却无愿景的人 — 海伦.凯勒 先问自己6个问题 我目前的状况 我在90天后的目标 我为什么要改进 我要怎么做才能达到目标 我要怎么做才能达到目标 我要怎么做才能达到目标 DMA – Difference-Making Action 每天早起第一件事, 打开手帐本或手机 Todo List APP 在最上方写下你当前最重要的目标 在下方写下数据 1 ~ 5 在 1 旁边写下为完成这个目标, 你今天所能做的最重要的事, 在 2 旁边写下第二重要的事, 以此类推 你如此有了一张清单, 列出了为完成目标你今天要做且能完成的 5 件最重要的事 写下上述 DMA 清单时要谨记 FUN 三要素 FUN First Priority First 要事优先 Under the main vision and current major objective 要事优先 […] →Read more
What’s RAG RAG is a technique for augmenting LLM knowledge with additional data. RAG 是一种以额外数据来增强 LLM 知识的技术 以私有或者较新的知识插入到给模型的提示的过程就叫检索增强生成 Concepts Indexing Load: First we need to load our data. This is done with Document Loaders. 载入我们的知识 Split: Text splitters break large Documents into smaller chunks. This is useful both for indexing data and for passing it […] →Read more